航空遥感图像配准算法研究的综述报告.docx

航空遥感图像配准算法研究的综述报告
航空遥感技术具有成像范围广、实时性高等特点，被广泛应用于军事、地质、城市规划、农业等领域。但是，由于航空遥感图像受到水平姿态、飞行高度、气象条件等因素影响，图像之间存在位置偏移、旋转倾斜等问题，为后续的分析和应用带来了巨大的困难。因此，针对遥感图像的配准算法研究成为遥感技术中的重要研究方向之一。
配准算法可以分为基于特征点的方法和基于区域的方法两大类，以下是对各类方法的综述：
基于特征点的配准方法
基于特征点的配准方法是通过计算图像相同位置处的特征点来实现图像配准的，其中特征点包括边缘、角点、SIFT特征点等。
(1)边缘特征点
边缘特征点指的是图像中的边界线条，这类特征点计算量小，但容易受到图像噪声的影响。边缘特征点主要使用卡尺法、Sobel、Canny等方法进行提取，并采用最小二乘法或最大后验概率估计法对其进行匹配。
(2)角点特征点
角点特征点是指图像中的拐角处，这类特征点稳定性高，但容易受到光照变化的影响。常用的角点提取方法有Harris角点检测、Shi-Tomasi角点检测等，并采用最大距离比率法对其进行匹配。
(3)SIFT特征点
SIFT特征点是一种基于尺度空间理论的特征点，在图像缩放、旋转、光照变化等情况下都能保持稳定性。SIFT特征点主要包括高斯差分函数、梯度方向直方图等，通过确定每个特征点在图像空间中的位置、尺度和方向，可将其进行匹配。
基于区域的配准方法
基于区域的配准方法是将图像分成一系列区域，在不同区域内进行配准，最后将各个区域的配准结果融合在一起，从而实现整幅图像的配准。这种方法主要应用于非线性配准、多源图像融合等情况。
(1)角点网格法
角点网格法是将图像分成多个小区域，在每个小区域中提取角点，然后通过最小二乘法确定每个区域之间的变换关系，最终将各个区域的变换关系整合在一起。
(2)模板匹配法
模板匹配法是将一个小模板在图像中匹配，然后确定每个区域之间的变换关系。这种方法对灰度变化敏感，并且计算量较大，但在本地范围内具有良好的匹配效果。
(3)线性配准与非线性配准相结合的方法
此方法将图像分成多个区域，然后对每个区域按线性配准和非线性配准分别进行，最后将配准结果进行融合。因此，此方法仅适用于图像具有不同的属性，例如光照变化、形变等。
综上所述，航空遥感图像配准算法应根据不同情况采用不同的方法。基于特征点的方法主要用于线性变换、基本参数拟合等简单情况，而基于区域的方法适合于非线性变换、多源图像融合等复杂情况。将不同方法相结合使用，在不同情况下应用不同的方法，能够更加高效地实现航空遥感图像的配准。